摘要
本发明公开了一种基于工况识别的车辆刹车片磨损程度预测方法及设备,属于刹车片磨损程度预测领域,用于解决现有车辆制动系统中刹车片的摩擦预测准确性和鲁棒性较差,无法高效且经济的完成磨损预测以及优化制动系统性能的技术问题。方法包括:对车辆的车速序列进行差异最大化下的聚类选择,得到典型工况;对不同工况下的原始车速序列进行小波变换处理,得到重构降噪后的车速信号;将典型工况车速信号中的多个子序列进行有关格拉姆角场的矩阵转换,得到二维图像;对二维图像中的空间特征和时间特征利用混合神经网络模型进行提取计算,得到当前时刻下车辆制动系统中刹车片的磨损量预测值;对车辆制动系统进行制动增益调整,得到最终的制动力矩。
技术关键词
程度预测方法
车辆刹车片
车辆制动系统
混合神经网络模型
长短期记忆网络
制动力矩
序列
工况
小波变换处理
转移概率矩阵
刹车片磨损程度
优化制动系统
图像
速度
车载显示屏
典型
信号
系统为您推荐了相关专利信息
多轮对话场景
多模态特征
语音特征
融合注意力机制
表情特征
模块化控制系统
气体检测仪
信号处理模块
隐马尔可夫模型
曲线
水利水电工程
多通道特征融合
融合多特征
全局特征提取
局部特征提取
特征提取模块
学生
变量
水平预测方法
双向长短期记忆网络
电网设备
机器学习模型
风险评估方法
自然灾害数据
多模型